在熊猫中计算序列滚动平均值作为数组函数？

Question

我试图计算滚动平均值与NaN的大熊猫中的数据帧，但大熊猫似乎重置时，它满足楠窗口，听到一些代码为例...

import numpy as np 
from pandas import * 

foo = DataFrame(np.arange(0.0,13.0)) 
foo['1'] = np.arange(13.0,26.0) 
foo.ix[4:6,0] = np.nan 
foo.ix[4:7,1] = np.nan 
bar = rolling_mean(foo, 4) 

给人的滚动平均值该复位后每个NaN的窗口，而不是仅仅跳过了NaN的

bar = 
     0  1 
0 NaN NaN 
1 NaN NaN 
2 NaN NaN 
3 1.5 14.5 
4 NaN NaN 
5 NaN NaN 
6 NaN NaN 
7 NaN NaN 
8 NaN NaN 
9 NaN NaN 
10 8.5 NaN 
11 9.5 22.5 
12 10.5 23.5 

我已经找到了一个丑陋的ITER/dropna（）解决给出正确的答案

def sparse_rolling_mean(df_data, window): 
    ...:  f_data = DataFrame(np.nan,index=df_data.index, columns=df_data.columns) 
    ...:  for i in f_data.columns: 
    ...:   f_data.ix[:,i] = rolling_mean(df_data.ix[:,i].dropna(),window) 
    ...:  return f_data 

bar = sparse_rolling_mean(foo,4) 

bar 
     0  1 
0  NaN NaN 
1  NaN NaN 
2  NaN NaN 
3 1.50 14.5 
4  NaN NaN 
5  NaN NaN 
6  NaN NaN 
7 3.25 NaN 
8 5.00 16.5 
9 6.75 18.5 
10 8.50 20.5 
11 9.50 22.5 
12 10.50 23.5 

有没有人知道是否有可能做到这一点作为一个数组功能？ 非常感谢提前。

Answer 1

你可以这样做：

>>> def sparse_rolling_mean(ts, window): 
...  return rolling_mean(ts.dropna(), window).reindex_like(ts) 
... 
>>> foo.apply(sparse_rolling_mean, args=(4,)) 
     0  1 
0  NaN NaN 
1  NaN NaN 
2  NaN NaN 
3 1.50 14.5 
4  NaN NaN 
5  NaN NaN 
6  NaN NaN 
7 3.25 NaN 
8 5.00 16.5 
9 6.75 18.5 
10 8.50 20.5 
11 9.50 22.5 
12 10.50 23.5 

[13 rows x 2 columns] 

Answer 2

你可以控制得到真实naned出与min_periods ARG

In [12]: rolling_mean(foo, 4,min_periods=1) 
Out[12]: 
     0  1 
0 0.0 13.0 
1 0.5 13.5 
2 1.0 14.0 
3 1.5 14.5 
4 2.0 15.0 
5 2.5 15.5 
6 3.0 16.0 
7 7.0 NaN 
8 7.5 21.0 
9 8.0 21.5 
10 8.5 22.0 
11 9.5 22.5 
12 10.5 23.5 

[13 rows x 2 columns] 

，如果你想要的结果，除非原来是南

你可以这样做

In [27]: rolling_mean(foo, 4,min_periods=1)[foo.notnull()] 
Out[27]: 
     0  1 
0 0.0 13.0 
1 0.5 13.5 
2 1.0 14.0 
3 1.5 14.5 
4 NaN NaN 
5 NaN NaN 
6 NaN NaN 
7 7.0 NaN 
8 7.5 21.0 
9 8.0 21.5 
10 8.5 22.0 
11 9.5 22.5 
12 10.5 23.5 

[13 rows x 2 columns] 

您的预期有点奇怪，因为前3行应该有价值秒。